《LWT》:Machine learning-based identification of strain-specific aroma markers in fermented pumpkin juice: An integrated 1D-CNN and random forest approach
编辑推荐:
为应对传统加工方法难以平衡风味、营养与货架期,以及现有风味分析模型难以捕捉挥发性有机化合物(VOCs)间非线性关联的挑战,研究人员以三种乳酸菌发酵南瓜汁为对象,整合随机森林(RF)和一维卷积神经网络(1D-CNN)模型,并利用SHAP进行可解释性分析。研究发现,Leuconostoc citreumPX3-5菌株在提升总酚(54.61 mg GAE/kg)和总黄酮(79.64 mg RE/kg)含量的同时,能显著增强奶油/黄油风味(乙偶姻OAV=3.99)。该研究构建的分析框架为高附加值发酵植物基食品的开发提供了数据驱动的理论基础。
南瓜,这种全球重要的蔬菜,富含类胡萝卜素、多糖等生物活性物质,但高含水量使其鲜切产品货架期短,易在储存中腐败造成浪费。尽管全球年产量巨大,其市场仍以鲜食和果汁、果泥等初加工产品为主,这些产品常面临货架期有限、色泽劣变及热敏性营养素降解等问题。乳酸菌(LAB)发酵是改善植物基质功能特性的有效策略,但不同菌株独特的代谢途径会直接影响最终的风味特征,而目前对不同代谢类型菌株如何系统性地协同调控南瓜汁风味谱和功能活性的认识仍很不足。此外,在复杂风味化学的解析上,传统的线性模型(如主成分分析PCA)在捕捉挥发性有机化合物(VOCs)间复杂的非线性关联方面存在固有局限,而随机森林(RF)等单一模型虽然能进行特征排序,却难以捕获共同定义独特香气的化合物间的关联模式。
为此,研究人员在《LWT - Food Science and Technology》上发表了题为“Machine learning-based identification of strain-specific aroma markers in fermented pumpkin juice: An integrated 1D-CNN and random forest approach”的研究论文。为了系统探究并比较不同LAB菌株在发酵南瓜汁中产生的复杂风味谱,本研究采用了多阶段整合策略:首先,利用逻辑方程对发酵动力学进行严谨建模;其次,通过定量生物活性化合物和抗氧化能力追踪功能变化;最后,为克服单一模型分析的局限,开发了一个整合RF(用于全局特征重要性评估)和1D-CNN(用于提取VOCs间的局部关联模式)的分析框架,并利用SHAP对模型进行解释,以期从关键独立贡献者和有影响力的统计关联模式两个视角解析风味。
研究者主要运用了以下关键技术方法:1. 以从传统发酵蔬菜中分离的Levilactobacillus brevisPL6-1、Lactiplantibacillus plantarumHY1-3和Leuconostoc citreumPX3-5为实验菌株,在实验室规模下(30°C,12小时)进行南瓜汁发酵。2. 采用高效液相色谱(HPLC)分析非挥发性化合物(游离糖、甘露醇、有机酸)及单体酚类物质。3. 采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术分析挥发性有机化合物(VOCs),并计算其气味活性值(OAV)和相对气味活性值(ROAV)以评估感官贡献。4. 应用整合的机器学习框架,包括基于拉丁超立方采样(LHS)的数据增强策略、随机森林(RF)分类器和一维卷积神经网络(1D-CNN)模型,并利用SHapley Additive exPlanations (SHAP)进行特征重要性和关联模式的可解释性分析。5. 由13名经培训的感官评价员组成的品尝小组对发酵南瓜汁进行定量描述性分析(QDA)。
研究结果如下:
3.1. 微生物生长动力学和理化变化
所有三株LAB在南瓜汁中均表现出强劲生长,逻辑方程拟合良好(R2> 0.98)。其中,Leu. citreumPX3-5具有最高的比生长速率(μ = 0.318 h-1)。伴随菌体生长,pH下降,总滴定酸(TTA)升高,PX3-5组的酸度最高,这与其高效的柠檬酸和糖共代谢有关。这为后续独特风味(如奶油味)的形成提供了代谢基础。
3.2. 游离糖和甘露醇
发酵后蔗糖被显著消耗,PX3-5组的利用率最高。PX3-5在消耗葡萄糖的同时积累了果糖,并合成了最高含量的甘露醇(1.61 mg/g),表明其具有活跃的甘露醇脱氢酶途径,这有助于平衡细胞氧化还原状态并贡献清爽甜味。
3.3. 有机酸
发酵产生了菌株特异性的有机酸谱。PX3-5组的乙酸产量最高,且是唯一观察到柠檬酸显著消耗的组别。柠檬酸代谢产生的丙酮酸是关键前体,直接关联到其后续产生的高水平奶油风味化合物(乙偶姻、2,3-丁二酮)。PL6-1组则独特地产生了具有神经保护潜力的琥珀酸。
3.4. 色泽、生物活性化合物与抗氧化能力的相互作用
发酵改变了色泽,所有组的L*值(亮度)均增加,HY1-3和PX3-5组的b*值(黄度)显著增加。尽管主要类胡萝卜素(β-胡萝卜素、α-胡萝卜素、β-隐黄质)含量在发酵后下降,但与挥发性物质中检测到的β-紫罗兰酮和β-环柠檬醛的形成相呼应,后者是类胡萝卜素酶促裂解的产物。PX3-5组在总酚含量(TPC)、总黄酮含量(TFC)以及DPPH和ABTS自由基清除能力上均表现最优,这与该组特异性增加了芦丁和咖啡酸等强抗氧化成分有关。
3.5. 发酵南瓜汁的挥发性特征
HS-SPME-GC-MS共鉴定出40种VOCs。发酵后,与不良青草味相关的醛类(如己醛、辛醛)含量大幅下降或消失。不同菌株主导的VOCs类别不同:PL6-1和HY1-3组以醇类和酸类为主,而PX3-5组则以酮类(92.19 μg/kg)和醇类为主。主成分分析(PCA)显示,NF组与发酵组明显分离,且同为异型发酵的PL6-1和PX3-5组在挥发性谱上更为相似。
3.6. 关键香气化合物(KACs)的气味剖析
通过计算OAV (>1) 确定了12种关键香气化合物。发酵普遍降低了己醛、辛醛等带来青草气味的醛类的OAV。β-紫罗兰酮(花香、紫罗兰味)的OAV在PL6-1和HY1-3组中升高,在PX3-5组中降低。最为突出的是,PX3-5组产生了高OAV值的2,3-丁二酮(OAV=3.08)和乙偶姻(OAV=3.99),赋予了其鲜明的奶油/黄油特征。PL6-1组的1-辛烯-3-醇(OAV=4.69)贡献了典型的蘑菇/土味,而HY1-3组则因β-紫罗兰酮和(E,Z)-3,6-壬二烯-1-醇而表现出突出的花香和黄瓜样清香。
3.7. 机器学习分析
研究采用整合的RF-CNN框架对VOCs数据进行分析。RF模型准确识别了区分菌株的关键VOCs,SHAP分析显示乙偶姻和2-庚酮是具有高区分度的标志物。更具创新性的是,1D-CNN模型通过其卷积核捕捉VOCs序列中的局部关联模式。SHAP-Deepexplainer对CNN的解释揭示,乙偶姻的重要性并非孤立存在,而是与特定相邻化合物(可能代表其代谢背景,如来自柠檬酸代谢途径的中间体)构成关联模式被模型共同识别。这提示乙偶姻的风味贡献可能与柠檬酸代谢这一局部代谢网络紧密相关,提供了超越单一化合物的重要性的机制性见解。
3.8. 感官评价
经过培训的感官评价小组的定量描述性分析(QDA)结果与仪器分析及模型预测高度一致。PX3-5组在奶油香气、整体接受度和口感顺滑度上获得了最高评分,这与其高OAV值的乙偶姻、2,3-丁二酮以及产生的甘露醇带来的甜味支撑相符。HY1-3组的花香得分较高,PL6-1组则表现出明显的土味特征。感官数据验证了机器学习模型所识别香气标志物的感官相关性。
结论与讨论
本研究系统阐明了Levilactobacillus brevisPL6-1、Lactiplantibacillus plantarumHY1-3和Leuconostoc citreumPX3-5三种代谢类型不同的乳酸菌菌株对南瓜汁发酵过程中生长动力学、理化性质、功能成分和复杂风味谱的差异性调控。在实验室规模的发酵条件下(30°C, 12 h),Leu. citreumPX3-5表现出了卓越的综合性能:它不仅显著提升了产品的功能属性(总酚、总黄酮和抗氧化能力),还通过高效的柠檬酸代谢途径产生了高水平的奶油/黄油风味化合物(乙偶姻和2,3-丁二酮),从而获得了感官评价的最高偏好。
本研究的核心创新在于提出了一个整合随机森林(RF)和一维卷积神经网络(1D-CNN)的机器学习分析框架,用于解析发酵食品中的复杂风味系统。RF模型有效地从全局视角识别了关键的差异性香气标志物(如乙偶姻和2-庚酮),而1D-CNN模型则通过捕捉挥发性有机化合物(VOCs)序列中的局部关联模式,提供了新的见解。例如,CNN模型揭示乙偶姻的重要性与其所处的局部代谢背景(可能指向柠檬酸代谢途径)相关联,这为理解风味化合物的产生提供了潜在的代谢通路线索,超越了传统单一特征重要性评估的局限。这种“全局特征重要性”与“局部关联模式”相结合的双视角解析策略,为深刻理解并有望未来“设计”发酵植物基食品的感官属性提供了强大的分析工具。
这项工作不仅为开发具有特定风味和增强功能特性的高附加值发酵南瓜产品提供了数据驱动的基础,更重要的是,它提出了一种可推广的分析策略,用于破译复杂发酵食品体系中的风味化学,对食品工业的风味工程、质量控制和新产品开发具有重要的理论意义和应用价值。